如何建立一個合理的機器學習系統(tǒng)

更多的數(shù)據(jù) & 更好的模型
并不是數(shù)據(jù)越多結(jié)果就越好，高質(zhì)量的數(shù)據(jù)才能產(chǎn)生高質(zhì)量的結(jié)果。多并不意味著凳慶返好，事實上，有些情況下較少的數(shù)據(jù)反而效果更好， 因此數(shù)據(jù)要適量，質(zhì)量要高。
可能并不需要所有的大數(shù)據(jù)組織可能積累了不同種類的大數(shù)據(jù)，但是并不是每一個場景都會用到所有的數(shù)據(jù)。大部分情況下，通棗饑過一些樣差遲本數(shù)據(jù)就能獲得比較好甚至是比使用全量數(shù)據(jù)更好的效果。
有時候更復雜的模型并沒有帶來任何提升，但這并不意味著就不需要它了如果將一個線性模型的特征數(shù)據(jù)作為另一個更復雜模型（例如非線性模型）的輸入，而復雜模型產(chǎn)生的結(jié)果并沒有任何提升，那并不意味著這個復雜模型就毫無意義。因為通常情況下只有更復雜的特征數(shù)據(jù)才需要更復雜的模型，對于簡單的特征數(shù)據(jù)復雜模型往往難以發(fā)揮出自身優(yōu)勢。
學會處理展現(xiàn)偏見系統(tǒng)通常會將那些預測的比較正確的結(jié)果展示給用戶，用戶會選擇性的查看，但是用戶不看的那部分并不一定就毫無吸引力。更好的選擇是通過關注模型或者MAB分析用戶的點擊概率，合理地呈現(xiàn)內(nèi)容。
認真思考訓練數(shù)據(jù)構建訓練和測試數(shù)據(jù)的時候需要充分考慮結(jié)果和各種不同的場景。例如，如果要訓練一個預測用戶是否喜歡某部電影的分類器，那么產(chǎn)生數(shù)據(jù)的可能場景包括：用戶看完電影并給出了一星的評價，用戶看了5分鐘、15分鐘或者一小時之后離開，用戶再次查看電影等，如何選擇這些數(shù)據(jù)是需要經(jīng)過深思熟慮的。